CN104156489B - 基于司机轨迹进行司机常驻点挖掘的方法 - Google Patents

基于司机轨迹进行司机常驻点挖掘的方法 Download PDF

Info

Publication number
CN104156489B
CN104156489B CN201410437102.XA CN201410437102A CN104156489B CN 104156489 B CN104156489 B CN 104156489B CN 201410437102 A CN201410437102 A CN 201410437102A CN 104156489 B CN104156489 B CN 104156489B
Authority
CN
China
Prior art keywords
driver
resident
point
time
candidate point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410437102.XA
Other languages
English (en)
Other versions
CN104156489A (zh
Inventor
刘章勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201410437102.XA priority Critical patent/CN104156489B/zh
Publication of CN104156489A publication Critical patent/CN104156489A/zh
Priority to EP15829451.2A priority patent/EP3179420A4/en
Priority to SG10201901024TA priority patent/SG10201901024TA/en
Priority to MYPI2017000173A priority patent/MY188692A/en
Priority to KR1020177003867A priority patent/KR20180006871A/ko
Priority to KR1020187037289A priority patent/KR20190000400A/ko
Priority to US15/501,824 priority patent/US20170228683A1/en
Priority to SG11201700895YA priority patent/SG11201700895YA/en
Priority to PCT/CN2015/086075 priority patent/WO2016019857A1/zh
Priority to PH12017500192A priority patent/PH12017500192B1/en
Application granted granted Critical
Publication of CN104156489B publication Critical patent/CN104156489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及出租车运力调度技术领域，具体公开了一种基于司机轨迹进行司机常驻点挖掘的方法，该方法包括：在预设的时间周期内获取司机轨迹信息，形成司机信息集合；根据所述司机信息集合计算出某一司机在所述时间周期内的常驻点。本发明的上述技术方案可以根据司机的行驶轨迹自动识别司机的常驻点，提高了定位的准确度。

Description

基于司机轨迹进行司机常驻点挖掘的方法
技术领域
本发明涉及出租车智能技术领域，尤其涉及一种基于司机轨迹进行司机常驻点挖掘的方法。
背景技术
当前随着智能设备，特别是智能导航、智能手机的普及，给人们的出行带来了极大的便利。司机能从平台得到想要的订单，来降低自己的空驶率，提升运营效率。对于社会而言则节约了沟通成本，减少了能源消耗。
当前叫车软件的普及，给人们出行的叫车需求带来了极大的便利。在现有的技术中，司机可以通过设定常驻点来获取常驻点附近的订单，节省了运营成本。
但现有的叫车软件在进行常驻点的设定时，需要司机手动输入常驻点，而且操作过程繁琐，信息容易出错，司机无法输入正确的位置信息，在分配订单的过程时会出现不匹配的情况，影响了司机与乘客的体验感。
发明内容
本发明要解决的技术问题是：通过技术的手段自动识别出司机的常驻点，以及在该常驻点的停留时间，解决了常驻点的设定问题。
为了解决上述技术问题，本发明所采用的技术方案是：一种基于司机轨迹进行司机常驻点挖掘的方法，包括：
在预设的时间周期内获取司机轨迹信息，形成司机信息集合；
根据所述司机信息集合计算出某一司机在所述时间周期内的常驻点。
优选的，所述司机信息集合包括：司机编号、上报时间、当前位置以及在当前位置的停留时间；
采用聚类算法来计算出常驻点，所述聚类算法自定义一段距离和一段时间，根据所述司机信息集合中的经纬度和停留时间自动将该距离和时间内的经纬度归为某一司机的常驻密度区域。
优选的，所述聚类算法为Dbscan聚类算法；
利用所述Dbscan聚类算法计算司机常驻点的步骤如下：
步骤一，预设一时间周期T，设在所述时间周期T内获取某一司机的轨迹信息，并形成一司机信息集合，在所述司机信息集合中包含有n个经纬度坐标，将每个经纬度坐标作为司机的常驻候选点A1、A2······An；
步骤二，计算每个常驻候选点到其他候选点的总距离，删除总距离最长的常驻候选点，当剩余的常驻候选点数量小于时，执行步骤三，否则重复步骤二；
步骤三，如果任意两个常驻候选点之间的距离大于一距离阈值，则认为司机无常驻点，否则执行步骤四；
步骤四，步骤四，将剩余的所述常驻候选点通过求平均值计算出常驻点。
优选的，在所述步骤一中，所述常驻候选点的设定可以根据在所述常驻候选点的停留时间；
在所述步骤四之前，还可以通过设定时间阈值来进一步筛选常驻候选点。
优选的，所述距离阈值取值为1000米至5000米。
本发明的上述技术方案能达到如下效果：
1、本发明可以根据司机的行驶轨迹自动识别司机的常驻点，提高了定位的准确度，节省了人力；
2、本发明可以使司机在常驻点接到最合适的订单，节省运营成本，增加收益；乘客的需求得到更好的满足，同时派车业务的效率达到最优状态。
附图说明
图1为本发明的一实施例的方法流程图；
图2为本发明采用Dbscan聚类算法计算常驻点的流程图；
图3为本发明获取的司机常驻候选点分布图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
本发明的工作原理是：利用计算司机的轨迹信息，提取出司机的常驻点，从而实现对该司机的顺风车订单推荐。
本发明的一种基于司机轨迹进行司机常驻点的挖掘方法，包括：
在预设的时间周期内获取司机轨迹信息，形成一司机信息集合；
时间周期可以为1周到一个月，一般时间越长，计算越准确，具体的时间周期在此不做限定；
根据司机信息集合计算出某一司机在所述时间周期内的常驻点。
司机信息集合包括：司机编号、上报时间、当前位置以及在当前位置的停留时间；
采用聚类算法来计算出常驻点，所述聚类算法自定义一段距离和一段时间，根据司机信息集合中的经纬度和停留时间自动将该距离和时间内的经纬度归为某一司机的常驻密度区域。
为提高计算的准确性，可采用Dbscan聚类算法，实际情况下不局限于任何聚类算法。
如图2所示，利用Dbscan聚类算法计算司机常驻点的步骤如下：
步骤一，预设一时间周期T，设在所述时间周期T内获取某一司机的轨迹信息，并形成一司机信息集合，在所述司机信息集合中包含有n个经纬度坐标，将每个经纬度坐标作为司机的常驻候选点A1、A2······An；
在一种情况下，常驻候选点可以为每天司机开启APP和关闭APP时上传的地点，每天可能会有两个常驻候选点被记录，有的司机一天可能会在一段时间内关闭APP然后再开启APP，这样一天可能就有四个常驻候选点被记录，每天常驻候选点的记录数量以司机开启APP和关闭APP时上传的经纬度数量为准，按照此方法算出来的常驻点，一般是司机的家庭住址，因为司机一般在离开家或者到家的时候才会开启APP或者关闭APP；
在另一种情况下，常驻候选点的选择并不一定是司机开启APP或者关闭APP时上传的经纬度，而是将APP系统中每隔一段时间自动上传的地点全部作为常驻候选点，然后将停留在常驻候选点的时间大于一阈值的点留下，因为这样算出的常驻点有可能是司机午饭停留的地点或者其他地点，常驻候选点的设定方式在此不做具体限定。
步骤二，计算每个常驻候选点到其他候选点的总距离，删除总距离最长的常驻候选点，当剩余的常驻候选点数量小于时，执行步骤三，否则重复步骤二；
步骤三，如果任意两个常驻候选点之间的距离大于一距离阈值，则认为司机无常驻点，否则执行步骤四；
步骤一到步骤三为常驻密度区域的计算步骤。
步骤二到步骤三可以理解为一种去噪的方法，对于所有的常驻点候选点，计算其到其他点的总距离。总距离最大的点，可以作为一个噪声点去除，因为这个点距离可能的中心点最远，循环的按照这种方法去噪，保留的点更趋近于司机的常驻点，该循环可以通过如下方法判断是否结束：即剩余的所有候选点，两两之间的最大距离不超过一个定义的阈值，一般这个阈值为1公里到5公里。于是，假如有N个常驻点候选点，通过这种循环的方法，可以过滤掉1/4到3/4的噪声点。
参见图3，图上方的6个点会被先后作为噪声点去除，越靠上的点被过滤得越快。
步骤四，将剩余的所述常驻候选点通过求平均数计算出常驻点。
几何平均数是指n个观察值连乘积的n次方根，也可以通过其他算法求出常驻点，方法在此不作具体限定。
在所述步骤一中，所述常驻候选点的设定可以根据在所述常驻候选点的停留时间；
在所述步骤四之前，还可以通过设定时间阈值来进一步筛选常驻候选点。
具体的，可以先删除在所述常驻候选点的停留时间小于一时间阈值的常驻候选点，将剩余的所述常驻候选点通过求几何平均值的方法计算出常驻点。
例如停留时间在5分钟之内的点可能是司机路过某一地点时上传的点，因此不能作为计算常驻点的数据。时间阈值可以为15分钟、30分钟或者更长，具体的数值在此不做限定。
具体实施例一：
以北京司机王师傅为例。王师傅家住北京西北旺，每天上午9点出班，晚上8点收班。每天出班后会习惯性的打开软件，开始一天的工作。于是每天的轨迹中，王师傅的轨迹为“家—地点1—地点2……地点n—家”。
在叫车软件的服务器端或呼叫中心的服务器端，都存储某一司机大量上报的轨迹信息。一般，从司机那里收集到的一段时间的信息集合格式如下：
编号 司机手机号 时间 经度 纬度
29912132 13300000001 2014-07-20 11:28:12 116.236723 39.543692
29912132 13300000001 2014-07-20 17:28:12 130.236723 55.543692
29912132 13300000001 2014-07-21 8:28:12 100.236723 39.543692
29912132 13300000001 2014-07-21 20:50:12 135.236723 66.543692
29912132 13300000001 2014-07-22 5:30:12 114.236723 39.543692
29912132 13300000001 2014-07-22 18:28:12 133.236723 58.543692
29912132 13300000001 2014-07-23 10:10:12 114.236723 39.543692
29912132 13300000001 2014-07-23 18:18:12 133.236723 58.543692
正常情况下，每隔一段时间，司机的轨迹就会有如上的一个信息发送到服务器上。
服务器上通过获取一个司机的历史轨迹后，可以按照Dbscan聚类算法计算出司机大致的常驻点。比如下表，表示司机每天晚上8点，会回到如下的经纬度附近,：
编号 司机手机号 时间 经度 纬度
29912132 13300000001 20:00:00 116.236723 39.543692
该地点可能就是司机的家庭住址。
这样，当该司机运营到19点附近时间点，就可以给他推荐去往(116.236723，39.543692)方向的订单，司机对这类订单的抢单意愿会强于其他订单。
为司机合适的订单后，可以在播送该订单时，增加标签“顺风车订单”，从而提醒其这是去往司机交接地的订单。
具体实施例二：
以北京司机王师傅为例。王师傅每天上午9点出班，晚上8点收班。每天出班后会习惯性的打开软件，开始一天的工作。于是每天的轨迹中，王师傅的轨迹为“家—地点1—地点2……地点n—家”。
在叫车软件的服务器端或呼叫中心的服务器端，都存储某一司机大量上报的轨迹信息。一般，从司机那里收集到的一段时间的信息集合格式如下：
编号 司机手机号 时间 经度 纬度 停留时间
29912132 13300000001 2014-07-20 11:28:12 116.236723 39.543692 5min
29912132 13300000001 2014-07-20 12:28:12 130.236723 55.543692 30min
29912132 13300000001 2014-07-21 8:28:12 100.236723 39.543692 2min
29912132 13300000001 2014-07-21 12:50:12 131.236723 56.543692 26min
29912132 13300000001 2014-07-22 5:30:12 114.236723 39.543692 10min
29912132 13300000001 2014-07-22 18:28:12 135.236723 58.543692 6min
29912132 13300000001 2014-07-23 10:10:12 114.236723 39.543692 3min
29912132 13300000001 2014-07-23 12:18:12 130.236723 55.543692 40min
服务器上通过获取一个司机的历史轨迹后，可以按照Dbscan聚类算法计算出司机大致的常驻点。将停留时间大于25min的经纬度保留，经过几何平均数的算法得出，司机中午吃饭的地点在如下的经纬度附近：
编号 司机手机号 时间 经度 纬度
29912132 13300000001 12:28:12 130.236723 55.543692
这样，当该司机运营到12点附近时间点，就可以给他推荐去往(130.236723，55.543692)方向的订单，司机对这类订单的抢单意愿会强于其他订单。
为司机合适的订单后，可以在播送该订单时，增加标签“顺风车订单”，从而提醒其这是去往司机交接地的订单。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (3)

1.一种基于司机轨迹进行司机常驻点挖掘的方法，其特征在于，包括：
在预设的时间周期内获取司机轨迹信息，形成司机信息集合；
根据所述司机信息集合计算出某一司机在所述时间周期内的常驻点；
所述司机信息集合包括：司机编号、上报时间、当前位置以及在当前位置的停留时间；
采用聚类算法来计算出常驻点，所述聚类算法自定义一段距离和一段时间，根据所述司机信息集合中的经纬度和停留时间自动将该距离和时间内的经纬度归为某一司机的常驻密度区域；
所述聚类算法为Dbscan聚类算法；
利用所述Dbscan聚类算法计算司机常驻点的步骤如下：
步骤一，预设一时间周期T，设在所述时间周期T内获取某一司机的轨迹信息，并形成一司机信息集合，在所述司机信息集合中包含有n个经纬度坐标，将每个经纬度坐标作为司机的常驻候选点A1、A2······An；
步骤二，计算每个常驻候选点到其他候选点的总距离，删除总距离最长的常驻候选点，当剩余的常驻候选点数量小于时，执行步骤三，否则重复步骤二；
步骤三，如果任意两个常驻候选点之间的距离大于一距离阈值，则认为司机无常驻点，否则执行步骤四；
步骤四，将剩余的所述常驻候选点通过求平均数计算出常驻点。
2.如权利要求1所述的方法，其特征在于，
在所述步骤一中，所述常驻候选点的设定可以根据在所述常驻候选点的停留时间；
在所述步骤四之前，还可以通过设定时间阈值来进一步筛选常驻候选点。
3.如权利要求1所述的方法，其特征在于，
所述距离阈值取值为1000米至5000米。
CN201410437102.XA 2014-08-04 2014-08-29 基于司机轨迹进行司机常驻点挖掘的方法 Active CN104156489B (zh)

Priority Applications (10)

Application Number Priority Date Filing Date Title
CN201410437102.XA CN104156489B (zh) 2014-08-29 2014-08-29 基于司机轨迹进行司机常驻点挖掘的方法
SG10201901024TA SG10201901024TA (en) 2014-08-04 2015-08-04 Methods and systems for distributing orders
EP15829451.2A EP3179420A4 (en) 2014-08-04 2015-08-04 Service distribution system and method
MYPI2017000173A MY188692A (en) 2014-08-04 2015-08-04 Methods and systems for distributing orders
KR1020177003867A KR20180006871A (ko) 2014-08-04 2015-08-04 주문들을 분배하기 위한 방법들 및 시스템들
KR1020187037289A KR20190000400A (ko) 2014-08-04 2015-08-04 서비스 분배 시스템 및 방법
US15/501,824 US20170228683A1 (en) 2014-08-04 2015-08-04 Methods and systems for distributing orders
SG11201700895YA SG11201700895YA (en) 2014-08-04 2015-08-04 Methods and systems for distributing orders
PCT/CN2015/086075 WO2016019857A1 (zh) 2014-08-04 2015-08-04 服务派发系统及方法
PH12017500192A PH12017500192B1 (en) 2014-08-04 2017-02-01 Methods and systems for distributing orders

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410437102.XA CN104156489B (zh) 2014-08-29 2014-08-29 基于司机轨迹进行司机常驻点挖掘的方法

Publications (2)

Publication Number Publication Date
CN104156489A CN104156489A (zh) 2014-11-19
CN104156489B true CN104156489B (zh) 2017-11-28

Family

ID=51881987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410437102.XA Active CN104156489B (zh) 2014-08-04 2014-08-29 基于司机轨迹进行司机常驻点挖掘的方法

Country Status (1)

Country Link
CN (1) CN104156489B (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715286B (zh) * 2015-04-08 2018-07-13 北京嘀嘀无限科技发展有限公司 确定订单起点的方法和设备
CN105160021A (zh) * 2015-09-29 2015-12-16 滴滴（中国）科技有限公司 基于目的地偏好的订单分配方法及装置
CN104965876B (zh) * 2015-06-12 2018-11-27 微梦创科网络科技（中国）有限公司 一种基于位置信息进行用户工作单位挖掘的方法及装置
CN105139638B (zh) * 2015-07-27 2018-07-27 福建工程学院 一种出租车载客点选取的方法及系统
CN105652304B (zh) * 2016-01-06 2017-10-20 成都小步创想畅联科技有限公司 融合多传感器的地点识别方法
CN105894358A (zh) * 2016-03-31 2016-08-24 百度在线网络技术（北京）有限公司 通勤订单识别方法和装置
CN105843943B (zh) * 2016-04-08 2019-03-01 深圳广联赛讯有限公司 车辆常驻地分析方法
CN105847299A (zh) * 2016-05-25 2016-08-10 广西白海豚网络技术有限公司 驾驶员应聘和自荐网络系统
CN105847298A (zh) * 2016-05-25 2016-08-10 广西白海豚网络技术有限公司 驾驶员应聘和自荐以及设备租赁网络系统
CN107527221A (zh) * 2016-06-22 2017-12-29 北京宸信征信有限公司 一种基于分析对象当前地理位置的行为分析方法
CN107871397B (zh) * 2016-09-26 2021-06-29 北京嘀嘀无限科技发展有限公司 司机顺路接单提醒方法及装置
EP3542134A4 (en) 2016-11-21 2019-12-04 Beijing Didi Infinity Technology and Development Co., Ltd. SYSTEMS AND METHOD FOR THE PERFORMANCE OF LOCATION-BASED ACTIONS
CN106846795A (zh) * 2017-01-04 2017-06-13 百度在线网络技术（北京）有限公司 人群密集区域的获取方法及装置
CN106982416B (zh) * 2017-03-21 2019-10-18 深圳广联赛讯有限公司 确定车辆归属地的方法和装置
CN108182446A (zh) * 2017-12-13 2018-06-19 北京中交兴路信息科技有限公司 一种基于聚类算法的司机常驻地预测方法及装置
CN109242127B (zh) * 2018-08-23 2022-06-24 蜜小蜂智慧（北京）科技有限公司 一种预约车辆的方法及装置
CN111866727B (zh) * 2018-10-09 2024-03-29 江苏满运软件科技有限公司 司机聚集点的展示方法、装置、电子设备、存储介质
CN111222056B (zh) * 2018-11-26 2023-07-25 中国移动通信集团重庆有限公司 相关用户的匹配方法、装置、设备和介质
CN109525487A (zh) * 2019-01-17 2019-03-26 深圳市沃特沃德股份有限公司 任务信息分发方法、装置、可读存储介质及计算机设备
CN109961240A (zh) * 2019-04-08 2019-07-02 陈鹏 一种对监控车辆综合风险的判断方法
CN110213711B (zh) * 2019-04-22 2021-06-18 腾讯科技（深圳）有限公司 一种常驻点的估计方法、装置、设备和介质
CN110335082A (zh) * 2019-07-03 2019-10-15 深圳广联赛讯有限公司 客户车辆的监控方法、装置、系统及计算机存储介质
CN111625610A (zh) * 2020-05-25 2020-09-04 重庆大学 一种基于定位点生成轨迹的显示方法及系统
CN113469232A (zh) * 2021-06-21 2021-10-01 上汽通用五菱汽车股份有限公司 车辆用户分类方法、设备及计算机可读存储介质
CN114238792A (zh) * 2021-12-20 2022-03-25 阿波罗智联(北京)科技有限公司 用于轨迹点数据挖掘的方法及装置、电子设备和介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007256118A (ja) * 2006-03-23 2007-10-04 Pioneer Electronic Corp 経路探索装置、経路探索方法、経路探索プログラム、および記録媒体
CN102629297B (zh) * 2012-03-06 2016-01-06 北京建筑工程学院 一种基于行程识别的出行者活动规律分析方法
CN102607553B (zh) * 2012-03-06 2014-08-13 北京建筑工程学院 一种基于出行轨迹数据的行程识别方法
CN103295394B (zh) * 2013-06-24 2015-01-14 东南大学 基于广义gps数据的出租车候客站点备选地址确定方法

Also Published As

Publication number Publication date
CN104156489A (zh) 2014-11-19

Similar Documents

Publication Publication Date Title
CN104156489B (zh) 基于司机轨迹进行司机常驻点挖掘的方法
KR101994631B1 (ko) 서비스의 공급을 관리하기 위한 시스템 및 방법
CN106373387A (zh) 一种车辆调度方法、装置及系统
CN103700174B (zh) 一种基于wifi身份识别的公交客流数据采集及od分析方法
CN111788617B (zh) 用于停车区域的识别的方法和控制装置
CN106557829A (zh) 用车业务中获取需求与运力不匹配区域的方法和装置
CN106557942A (zh) 一种用户关系的识别方法和装置
CN105701580A (zh) 一种汽车共享资源化系统
WO2015096400A1 (zh) 一种利用移动通信数据挖掘进行公交规划的方法
CN109373176B (zh) 一种用于加氢站氢气充装量自动计算的方法及系统
CN104766473A (zh) 基于多模式公交数据匹配的公共交通出行特征提取方法
CN106652756A (zh) 基于电子地图的多边形精确绘制方法及其应用方法
CN104376743A (zh) 一种基于物联网技术获取停车位的装置及方法
CN105931494A (zh) 一种准确获取停车位的方法和系统
CN107507453A (zh) 一种智能停车场物联网系统
CN106223686A (zh) 一种智能立体停车场
CN106710300A (zh) 一种基于车联网的智慧停车方法
CN103177572B (zh) 出租车智能调度
CN102663895A (zh) 集装箱码头集卡交通阻塞提示系统及实现方法
CN107578246A (zh) 一种基于云计算的智能公交系统及乘车方法
CN107909846A (zh) 一种停车数据获取方法及系统
CN106250995A (zh) 一种基于全局优化的电动客车运营系统及方法
CN104766199A (zh) 一种列车乘车免换票与自动提醒装置
CN108777075A (zh) 基于区块链的停车位共享管理系统、方法、终端及介质
CN105575140A (zh) 一种基于rfid电子标签的城市车辆限行方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant